SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS

Joko Sungkono, Th. Kriswianti Nugrahaningsih

Abstract


Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas. Jika asumsi
normalitas dilanggar, maka hasil estimasi, uji t, dan uji F pada regresi menjadi tidak valid. Selain itu perlu diperhatikan
korelasi diantara variable independen, jika terdapat korelasi yang cukup tinggi maka dapat dikatakan terjadi
multikolinearitas. Efek dari multikolinearitas ini dapat mengakibatkan estimasi parameter regresi yang dihasilkan
menjadi tidak efisien karena mempunyai bias dan variansi yang besar.
Berdasarkan hasil simulasi, dampak multikolineritas pada regresi linear ganda dengan keadaan asumsi
normalitas dipenuhi memberikan standar error estimasi dan MSE yang jauh lebih besar jika dibandingkan dalam
kondisi asumsi normalitas dilanggar. Dalam kondisi error berdistribusi t, standar error estimasi dan MSE juga
hampir sama dengan kondisi asumsi normalitas dipenuhi. Hal ini berarti jika terjadi multikolineritas, estimasi
koefisien regresi pada kondisi eror berdistribusi simetris  yang diperoleh tidak valid. Pada kondisi error berdistribusi
non simetris (exponensial, weibull dan gamma) standar error estimasi dan MSE yang diperoleh jauh lebih kecil
daripada kondisi eror berdistribusi simetris. Dengan demikian dampak multikolineritas lebih berbahaya pada
kondisi asumsi normalitas terpenuhi, Lebih umum dampak multikolinearitas lebih berbahaya pada kondisi eror
berdistribusi simetri.
Kata Kunci : multikolinearitas, normalitas, simulasi


Full Text:

PDF

References


Adeboye, N. O., Fagoyinbo, I. S., and Olatayo, T. O.

Estimation of the Effect of

Multicollinearity on the Standard Error for

Regression Coefficients. IOSR Journal of

Mathematics, e-ISSN: 2278-5728, p-ISSN:2319-765X. Volume 10, Issue 4 Ver. I.

Ayinde, K., Lukman, A. F, and Arowolo, O. T. 2015.

Combined Parameters Estimation Methods Of

Linear Regression Model With

Multicollinearity And Autocorrelation. Journal

of Asian Scientific Research, 5(5): 243-250

Budiyono. 2013. Statistika Untuk Penelitian, Edisi

Kedua, UNS Press, Surakarta.

Duzan, H. and Sima, N. 2016. Solution to the

Multicollinearity Problem by Adding some

Constant to the Diagonal. Journal of Modern

Applied Statistical Methods. Vol. 15, No. 1, 752-773.

Gujarati, D. N, 2004, Basic Econometri, Fourth

Edition. The McGraw- Hill Companies, New

York.

Hardle, W. 1991. Smoothing Techniques With

Implementation in S. Springer-Verlag New York

Inc.

Nyrhinen, J. N. and Leskinen E. 2014.

Multicollinearity in Marketing Models: Notes

on the Application of Ridge Trace Estimation

in Structural Equation Modelling. Electronic

Journal of Business Research Methods Volume

Issue 1

Rencher, A. C., 2000, Linear Models In Statistics,

John Wiley & Sons Inc, New York.

Sembiring, R. K., 1995, Analisis Regresi, Edisi Kedua,

Penerbit ITB, Bandung.


Refbacks

  • There are currently no refbacks.